OpenCollab: coordenação programável de agentes, ambiente de execução controlado e métrica de cumprimento das regras
O framework reúne a definição da estrutura de interação entre agentes, um ambiente comum para experimentos e o rastreamento detalhado de eventos, enquanto a métrica Adherence, introduzida agora, reflete o quanto a execução real corresponde ao esquema declarado. Nos benchmarks, a configuração Duo alcança um novo patamar de SOTA, enquanto a variante de agente único se destaca pelo menor consumo de tokens.

Finalidade do framework
OpenCollab é um framework para desenvolvimento multiagente. Fornece uma infraestrutura unificada para interação programável e um ambiente de execução controlado.
Elementos-chave:
- desenvolvimento multiagente;
- interação programável entre agentes;
- ambiente de execução controlado.
Significado prático: o framework é necessário quando a coordenação dos agentes tem de ser definida por programação e executada num ambiente controlado.
Organização dos agentes como objeto de conceção
OpenCollab combina a conceção da organização dos agentes com a execução. A organização passa a fazer parte da configuração, em vez de ser uma descrição externa.
O que faz parte da conceção:
- composição da organização de agentes;
- estrutura de interação declarada;
- relação entre a estrutura e a execução.
Critério: a organização deve ser descrita de forma a poder ser reproduzida. Caso contrário, a conceção não passa de uma declaração.
Ambiente de execução controlado e observabilidade
OpenCollab proporciona controlo experimental num ambiente de execução partilhado. O ambiente mantém os agentes num mesmo contexto.

O que o ambiente proporciona:
- condições de execução partilhadas para as configurações comparadas;
- controlo experimental;
- fluxos de eventos detalhados.
Critério prático: sem um ambiente partilhado e fluxos de eventos, a comparação entre configurações perde reprodutibilidade.
Adherence: métrica de cumprimento do protocolo
Os autores do OpenCollab introduzem o Adherence. O indicador mede até que ponto a organização de agentes declarada é efetivamente implementada.
O que a métrica regista:
- a organização de agentes declarada;
- a execução efetiva;
- a diferença entre ambas, em percentagem.
Nas experiências, a alteração de qualquer dimensão da configuração fazia variar o Adherence. O indicador variou entre 47,2% e 97,2%.
Critério prático: o Adherence revela a diferença entre a organização declarada e a execução efetiva. A métrica é avaliada em conjunto com os resultados finais.
Resultados em benchmarks de desenvolvimento de agentes
Nos benchmarks de desenvolvimento de agentes, o OpenCollab (Duo) alcançou um novo SOTA. Os autores compararam-no com o Mini-SWE-agent, OpenHands, Codex CLI e Claude Code.
De acordo com os resultados dos autores, uma organização de agentes bem concebida pode superar harnesses existentes de alto desempenho. A configuração de agente único do OpenCollab utilizou menos tokens do que qualquer outro conjunto de testes avaliado.
| Participante | Resultado |
|---|---|
| OpenCollab (Duo) | Novo SOTA em benchmarks de desenvolvimento de agentes |
| Mini-SWE-agent | Incluído na comparação |
| OpenHands | Incluído na comparação |
| Codex CLI | Incluído na comparação |
| Claude Code | Incluído na comparação |
| Configuração de agente único do OpenCollab | Menos tokens do que qualquer outro conjunto de testes avaliado |
Critério de seleção: comparar não só o primeiro lugar no SOTA, mas também o consumo de tokens da configuração específica.
Critérios práticos de seleção
A seleção começa por verificar se é possível definir a coordenação dos agentes por programação. Em seguida, verifica-se se o framework mede o cumprimento da organização declarada. O OpenCollab disponibiliza o Adherence e um ambiente de execução partilhado para esse efeito.
Lista de verificação para a seleção:
- Coordenação programável de agentes.
- Disponibilidade da métrica Adherence.
- Ambiente de execução partilhado e fluxos de eventos.
- Resultados comparáveis em benchmarks de desenvolvimento de agentes.
- Consumo de tokens da configuração escolhida.
O framework é adequado se todos os cinco pontos puderem ser verificados. Se algum ponto não puder ser verificado, a seleção fica sem fundamento.
Perguntas mais frequentes
Materiais semelhantes
Todos os materiais
Toollery: seleção de ferramentas para agentes LLM entre dezenas de milhares de opções sem fine-tuning
A Toollery cria um índice de pesquisa com base nas descrições de competências e ferramentas e, a cada consulta, transmite ao modelo apenas um conjunto limitado de candidatos. Em testes com bibliotecas de dezenas de milhares de funções, a abordagem permite manter a qualidade da seleção com um top-K fixo, embora o efeito final dependa do perfil de carga e do cache do fornecedor.
11 novembro 2026
Diagnóstico passo a passo de agentes GUI na análise de dashboards: benchmark DashAct
Apresentamos o DashAct — um benchmark com 348 trajetórias verificadas por humanos, que divide o trabalho de agentes GUI com painéis interativos em três etapas e quatro condições visuais. Os resultados revelam problemas persistentes na previsão de ações e na associação a alvos visuais, bem como a dependência das respostas dos agentes do suporte contextual e espacial.
11 novembro 2026
WILSON: integração de ampliações e lâminas de pacientes para análise anatomopatológica e elaboração de laudos
O preprint apresenta o WILSON — um modelo de visão e linguagem que codifica imagens de lâminas inteiras e séries de preparações de um mesmo paciente em diferentes ampliações, em vez de apenas uma lâmina «melhor». Sem ajuste fino para a tarefa, supera modelos especializados e maiores para lâminas em várias métricas, com uma carga computacional substancialmente menor, e as suas descrições diagnósticas receberam avaliações mais elevadas dos patologistas.
11 novembro 2026